對step文件進行信息抽取算法

任務描述：給定一個step文件，對該文件的字符串進行信息抽取，結構化的組織文件描述模型的數據。造成抽象化數據結構，存入計算機數據庫。並能按照有條理結構把這些數據展現出來。

信息抽取的結果描述：

　　1 數據結構：

　　　　以key-value鍵值對形式將step文件描述的信息抽取並組織起來。

　　　　具體的，在java當中使用javabean技術，以類的嵌套的方式實現這種數據結構。

　　2 結果展現：

　　　　將javabean轉換成json並格式化打印出來，查看轉化結果是否正確。

　　3 存儲：

　　　　將javabean的實例化對象映射爲mysql中的數據庫表。

 

信息抽取的方法描述： 團隊商討，編寫一套算法來實現對step文件的抽取。

　　step文件信息抽取算法（僞代碼流程）：

　　輸入： step文件

　　輸出： 鍵值對數據結構(字典、或hashtable、或hashmap、或javabean對象) 和 json格式打印輸出

　　1   讀取step文件，整個文件存爲字符串s

　　2   刪除s的開頭的 "ISO-10303-21\n" 和最後的 "END-ISO-10303-21\n"

　　3   搜索s，將 「HEADER\n「 和在此以後第一個「ENDSEC\n「 中間的部分，存爲字符串header 

　　4   搜索s，將 "DATA\n" 和在此以後第一個"ENDSEC\n"中間的部分，存爲字符串data

       5   聲明一個key-value類型變量step_root，用於存儲整個模型信息

　　　　（下面開始處理header部分）

　　6   聲明一個key-value類型變量header_root，用於存儲header部分的結構化信息

　　7   將header字符串按照 行 \n進行切分 header.split("\n") ， 將全部行存爲一個數組（ArrayList） header_list， 每一個元素是一行

　　8   for line in header_list:    （對header中的每一行字符串line， 作以下操做）

　　9   　　對字符串line，搜索第一個左括號(, 將第一個左括號( 左側的英文串做爲key， 

　　10  　  包含該左括號一直到最右側分號以前的右括號）爲止的字符串做爲value

　　11　　 將key value 添加到header_root中

　　12   將"header"做爲key， header_root做爲value， 添加到step_root中

　　　　(下面是對data部分處理)

　　13  聲明一個key-value類型變量data_root 用於存儲data部分的結構化數據

　　14  將data按照一行\n進行切分 data.split("\n"), 並存入一個數組(ArrayList) data_list, 每一個元素是一行

　　15  聲明一個key-value類型變量 data_lines 用於映射實體 每一行的編號(實體表示) 和 對應屬性

　　16  for line in data_list:   （對於data中的每一行作以下操做：） 

　　17  　　對line按照 = 進行切分， 左側 #數字 做爲key， 右側去掉; 做爲value

　　18　　  將key value 添加到data_lines 當中

　　19   while data_lines 不爲空：  

　　20  　　從data_lines中取出最早添加進來的鍵值對num-line，並在data_lines中刪除這個鍵值對

　　21　　  對line部分搜索第一個左括號(，第一個左括號左側部分的英文串做爲key

　　22     　 第一個左括號和最後一個右括號之間的字符串存爲臨時字符串tmp

　　23          聲明一個可變類型數組list做爲value， 稍後將值加入list

　　24　　   對tmp按照逗號,進行切分 tmp.split(",") 並把每一項存入list中

　　25　　   for cur in list:  (拿出list的每一項cur進行檢查：)

　　26　　　　　若是cur是能匹配成 #數字 的規則:

　　27　　　　　　　調用子算法  構造子實體 算法, 將cur和data_lines傳入，拿到返回值res，

　　28　　　　　　　將list中的cur位置替換爲res

　　29　　   將key，value加入到data_root中

　　30   將"data"做爲key， data_root做爲value，添加到step_root中

　　31   將step_root轉換json字符串step_json

　　32   返回step_root 並 打印輸出step_json

 

子算法： 構造子實體 算法（僞代碼流程）：

輸入： 字符串cur， key-value類型 data_lines

輸出： key-value類型 res

　　1   聲明一個key-value類型變量res

　　2   在data_lines中用cur看成鍵來查找獲得值tmp

　　3   從data_lines中刪除這對鍵值對cur-tmp

　　4   對tmp搜索第一個出現左括號的位置，將第一個左括號左側的英文串當作key

　　5   對tmp第一個左括號和最後一個右括號之間的字符串存爲line

　　6   聲明一個可變類型列表ArrayList變量list做爲value，稍後加入元素

　　7   對line按照逗號,切分  line.split(",") 並把每一項加入list中

　　8   for s in list:  對list中的每一項作檢查:

　　9   　　若是 s 能匹配 #數字 這種規則:

　　10  　　　　調用 構造子實體算法，傳入s和data_lines， 拿到返回值res_tmp

　　11  　　　　將list中s對應的位置替換成res_tmp

　　12  將key，value添加到res當中

　　13  返回res

 

 

附上一段python實現的demo

 

 1 def get_info(start, lines):
 2     res = {}
 3     tmp = lines[start]
 4     lines.pop(start)
 5     cut_position = tmp.find("(")
 6     k, v = tmp[:cut_position], tmp[cut_position+1:-2].split(",")
 7     for i, vv in enumerate(v):
 8         v[i] = vv.strip()
 9         if v[i].startswith("#"):
10             v[i] = get_info(v[i], lines)
11     res[k] = v
12     return res
13 
14 if __name__ == '__main__':
15     s = """
16 #1 = aa('',12,45,#2);
17 #2 = bb('',55, #3,33);
18 #3 = cc('', 234,jjj);
19 """
20     lines = {}  # 存放 #num 和右側的映射關係
21     s = s.strip().split("\n")
22     for tmp in s:
23         tmp = tmp.split("=")
24         k = tmp[0].strip()
25         v = tmp[1].strip()
26         lines[k] = v
27     res = get_info("#1", lines)
28     print(res)

 

運行結果：

{'aa': ["''", '12', '45', {'bb': ["''", '55', {'cc': ["''", '234', 'jjj']}, '33']}]}